Uji Kecocokan (Testing Fit)

BAB III METODELOGI PENELITIAN

3.7. Metode Analisis Data

3.7.4. Uji Kecocokan (Testing Fit)

Dalam tahap ini, akan memeriksa tingkat kecocokan antara data dengan model, validitas dan reliabilitas model pengukuran, dan signifikansi koefisien- koefisien dari model struktural. Menurut (Hair, Black, Babin, & Anderson, 2010) evaluasi terhadap tingkat kecocokan data dengan model dilakukan dengan beberapa tahap, yaitu:

1. Kecocokan model pengukuran (measurement model fit).

2. Kecocokan keseluruhan model (overall model fit).

3.7.4.1 Kecocokan Model Pengukuran (Measurement Model Fit)

Uji kecocokan model pengukuran akan dilakukan terhadap setiap konstruk atau model pengukuran (hubungan antara sebuah variabel laten dengan beberapa variabel teramati atau indikator) secara terpisah melalui:

1. Evaluasi terhadap validitas (validity) dari model pengukuran

Uji validitas digunakan untuk mengetahui dan mengukur seberapa baik instrument yang akan diukur (Hair, Black, Babin, & Anderson, 2010).Uji kecocokan model pengukuran akan dilakukan terhadap setiap konstruk atau model

pengukuran (hubungan antara sebuah variabel laten dengan beberapa variabel teramati atau indikator) secara terpisah melalui: Evaluasi terhadap validitas (validity) dari model pengukuran uji validitas digunakan untuk mengetahui dan mengukur seberapa baik instrument yang akan diukur (Hair, Black, Babin, &

Anderson, 2010). Menurut (Hair, Black, Babin, & Anderson, 2010)tingkat validitas dapat diukur menggunakan faktor loading. Faktor loading yang di syaratkannya untuk dapat dikatakan signifikan sebesar ≥ 0.5.

Tabel 3.2.

Uji Validitas

No. Ukuran Validitas Nilai Disyaratkan

1. Kaiser meyer-olkin measure of sampling adKecerdasan Emosionaluacy adalah statistik yang mengindikasikan proporsi variasi dalam variabel yang merupakan variasi umum (common variance), yakni variasi dalam penelitian

Nilai KMO MSA > 0,5 menunjukkan bahwa faktor analisis dapat digunakan

2. Bartlett’s test of sphericity mengindikasikan bahwa matriks korelasi adalah matriks identitas yang mengindikasikan bahwa variabel-variabel dalam faktor bersifat related atau unrelated

Nilai signifikansi adalah hasil uji, jika nilai hasil uji < 0,05 menunjukkan hubungan yang signifikan antara variabel dan merupakan nilai yang diharapkan

3. Anti image matrices, setiap nilai pada kolom diagonal anti-image correlation matrix menunjukkan measure of sampling adKecerdasan Emosionaluacy dari masing- masing indikator.

Nilai diagonal anti-image correlation matrix > 0,5 menunjukkan variabel cocok atau sesuai dengan struktur variabel lainnya di dalam faktor tersebut.

4. Component matrix, nilai factor loading dari

variabel-variabel komponen faktor Nilai factor loading ≥ 0,7 menunjukkan besarnya korelasi antara indikator dengan variabel laten tesebut.

Sumber : (Hair et al., 2010)

2. Evaluasi terhadap reliabilitas (reliability) dari model pengukuran

Reliabilitas adalah konsistensi suatu pengukuran. Reliabilitas tinggi menunjukkan bahwa indikator-indikator mempunyai konsistensi tinggi dalam mengukur konstruk latennya (Hair, Black, Babin, 2010) Untuk mengukur reliabilitas dalam SEM akan digunakan composite reliability measure (ukuran reliabilitas komposit) dan variance extracted measure (ukuran ekstrak varian) (Hair, Black, Babin, & Anderson, 2010).

a. Reliabilitas komposit suatu konstruk dihitung dengan rumus seperti berikut:

𝐶𝑜𝑛𝑠𝑡𝑟𝑢𝑐𝑡𝑅𝑒𝑙𝑖𝑎𝑏𝑖𝑙𝑖𝑡𝑦 = (Σstd.loading)² (Σstd.loading)²+ Σej

Dimana standaridized loading (std loading) dapat diperoleh secara langsung hasil perhitungan AMOS, dan e adalah measurement error untuk setiap indikator atau variabel teramati (Hair, Black, Babin, & Anderson, 2010).

b. Ekstrak varian mencerminkan jumlah varian keseluruhan dalam indikator- indikator atau variabel teramati yang dijelaskan oleh variabel laten. Ukuran ekstrak varian dapat dihitung sebagai berikut : (Hair, Black, Babin, & Anderson, 2010)

V𝑎𝑟𝑖𝑎𝑛𝑐𝑒𝐸𝑥𝑡𝑟𝑎𝑐𝑡𝑒𝑑 = Σstd.loading²

Dimana N adalah banyaknya indikator atau variabel teramati dari model 𝑁

pengukuran. (Hair, Black, Babin, & Anderson, 2010) menyatakan bahwa sebuah konstruk mempunyai reliabilitas yang baik, jika nilai konstruk reliabilitasnya (construct reliability) ≥ 0,70 dan nilai ekstrak variannya (variance extracted) ≥ 0,50

3.7.4.2. Kecocokan Model Keseluruhan (Overall Model Fit)

Tahap pertama dari uji kecocokan ini ditujukan untuk mengevaluasi secara umum derajat kecocokan atau godness of fit (GOF) antara data dengan model.

Menilai GOF suatu SEM secara menyeluruh (overall) tidak dapat dilakukan secara langsung seperti ada teknik multivariate yang lain.

1. Ukuran Kecocokan Absolut

Ukuran kecocokan absolute menentukan derajat prediksi model keseluruhan terhadap matriks korelasi dan kovarian. Dari berbagai ukuran kecocokan absolute, ukuran-ukuran yang biasanya digunakan untuk mengevaluasi SEM adalah sebagai berikut:

a. Root Mean Kecerdasan Spiritualuare Error of Approximation (RMSEA) Indeks merupakan salah satu indeks informatif dalam SEM. Rumus perhitungan RMSEA adalah sebagai berikut

RMSEA =√^𝐹𝑜_𝑑𝑓

Nilai RMSEA ≤ 0,05 menandakan close fit, sedangkan 0,05 < RMSEA ≤ 0,08 menunjukkan good fit.

b. CMIN/DF

CMIN/DF adalah nilai CMIN dibagi dengan DF. Rumus perhitungan CMIN/DF adalah sebagai berikut:

𝐶𝑀𝐼𝑁 𝐷𝐹

2. Ukuran Kecocokan Inkremental

Ukuran kecocokan inkremental membandingkan model yang diusulkan dengan model dasar (baseline model) yang sering disebut sebagai null model atau independence model.

a. Comparative Fit Index (CFI)

Adapun rumus CFI adalah sebagai berikut:

CFI = 1 − ^𝜄_𝜄¹

2

Nilai CFI akan berkisar dari 0 sampai 1. Nilai CFI ≥ 0,90 menunjukkan good fit, sedangkan 0,80 ≤ CFI < 0,90 sering disebut sebagai marginal fit.

Pembahasan tentang uji kecocokan serta batas-batas nilai yang menunjukkan tingkat kecocokan yang baik (good fit) untuk setiap GOF (Goodness of Fit) dapat diringkas ke dalam tabel sebagai berikut :

Tabel 3.3.

Perbandingan Ukuran-Ukuran GOF

Sumber :(Hair et al., 2010)

Ukuran GOF Tingkat Kecocokan yang bisa diterima

Root Mean Kecerdasan Spiritualuare Error of Approximation

(RMSEA)

Rata-rata perbedaan per degree of freedom yang diharapkan terjadi dalam populasi dan bukan sample.

RMSEA ≤ 0,80 adalah good fit, sedang RMSEA < 0,05 adalah close fit

CMIN/DF Nilai CMIN/DF ≤ 5 adalah good

fit Incremental fit Measures

Comparative Fit Index (CFI) Nilai berkisar antara 0-1, dengan nilai lebih tinggi adalah lebih baik. CFI ≥0,90 adalah good fit, sedang 0,80 ≤ CFI < 0,90 adalah marginal fit.

BAB IV

ANALISIS DAN PEMBAHASAN 4.1. Gambaran Umum Objek Penelitian

4.1.1. Profile AIA Indonesia

PT. AIA FINANCIAL (AIA) merupakan salah satu perusahaan asuransi jiwa terkemuka di Indonesia dan merupakan perusahaan asuransi jiwa yang terdaftar di dan diawasi oleh Otoritas Jasa Keuangan.

AIA di Indonesia merupakan anak perusahaan AIA Group. AIA menawarkan berbagai produk asuransi, termasuk asuransi dengan prinsip Syariah, yang meliputi asuransi jiwa, asuransi kesehatan, asuransi kecelakaan diri, asuransi yang dikaitkan dengan investasi, program kesejahteraan karyawan, program pesangon, dan program Dana Pensiun (DPLK). Produk-produk tersebut dipasarkan oleh lebih dari 10.000 tenaga penjual berpengalaman dan profesional melalui beragam jalur distribusi seperti keagenan, Bancassurance dan Corporate Solutions (Pension & Employee Benefits).

Pada tahun 2009, PT AIG Life berubah nama menjadi PT AIA Financial Berdasarkan surat nomor 042/LGL-AIGL/Srt/V/2009 tanggal 27 Mei 2009. dan sesuai Salinan Akta Pernyataan Keputusan Pemegang Saham PT AIG Life nomor 35 tanggal 29 April 2009 yang dibuat oleh notaris Merryana Suryana, SH dan disetujui oleh Menteri Hukum dan Hak Asasi Manusia melalui Keputusan Menteri Hukum dan Hak Asasi Manusia Nomor AHU – 21773.AH.01.02 Tahun 2009 tanggal 19 Mei 2009 menyatakan bahwa surat Menteri Keunagan nomor

S-078/MK.5/2005 tanggal 1 Februari 2005 berlaku untuk nama baru PT.

AIA Financial yang sebelum nya PT AIG Life.

Berdasarkan Laporan Kinerja Tahunan Asuransi Jiwa Indonesia 2014 :

1. AIA menempati peringkat kedua perusahaan asuransi jiwa di Indonesia dalam hal Total Weighted Premium Income (TWPI) dengan pangsa pasar 10,3 persen.

TWPI AIA tahun 2014 bertumbuh sebesar 23 persen dari tahun sebelumnya menjadi Rp8,1 triliun.

2. AIA juga tercatat sebagai tiga besar perusahaan asuransi jiwa di Indonesia untuk perolehan New Business Total Weighted Premium Income (NBTWPI) dengan pangsa pasar 8,5 persen. AIA mencatat pertumbuhan NBTWPI sebesar 10 persen menjadi Rp2,3 triliun di 2014.

4.2. Uji Validitas Dan Uji Reliabilitas (Pre-Test) 4.2.1. Hasil Uji Validitas (Pre-Test)

Pengukuran validitas dilakukan dengan menganalisis faktor kepada hasil pre-test untuk melihat nilai Kaiser-Meyer-Olkin measure of sampling adequacy (KMO), Barlett’s test of spericity (signifikansi), Antiimage matrices (MSA) dan Factor loading of component matrix (factor loading).

Perhitungan sebagai berikut :

Tabel 4.1.

Uji Validitas (Pre-Test) Variabel

Laten Indikator KMO SIG MSA Factor Loading Kesimpulan Nilai yang diisyaratkan ≥ 0.5 < 0.05 ≥ 0.5 ≥ 0.7 Valid

Kecerdasan Emosional

KE1

0.878 0.000

0.879 0.955 Valid

KE2 0.875 0.854 Valid

KE3 0.938 0.897 Valid

KE4 0.928 0.945 Valid

KE5 0.835 0.882 Valid

KE6 0.872 0.888 Valid

KE7 0.821 0.875 Valid

Kecerdasan Spiritual

KS1

0.909 0.000

0.939 0.877 Valid

KS2 0.879 0.892 Valid

KS3 0.868 0.894 Valid

KS4 0.928 0.906 Valid

KS5 0.908 0.909 Valid

KS6 0.874 0.891 Valid

KS7 0.945 0.909 Valid

KS8 0.933 0.900 Valid

KS9 0.913 0.921 Valid

Kecerdasan Intelektual

KI1 0.761 0.000 0.812 0.927 Valid

KI2 0.754 0.941 Valid

KI3 0.726 0.948 Valid

Kinerja Karyawan

KK1

0.780 0.000

0.761 0.913 Valid

KK2 0.749 0.927 Valid

KK3 0.800 0.902 Valid

KK4 0.821 0.890 Valid

Sumber : Hasil pengolahan data

Kesimpulan diatas bahwa item-item indikator (pertanyaan) dalam kuesioner dari empat variabel tersebut benar-benar mengukur apa yang ingin diukur dalam penelitian ini. Pada tabel 4.1 menunjukkan seluruh indikator pernyataan dalam instrumen penelitian dapat memenuhi nilai yang telah disyaratkan atau dapat disimpulkan bahwa semua indikator pernyataan dalam pre-test adalah valid. Oleh karena itu, tidak perlu ada item indikator yang harus disingkirkan atau dibuang,

semua item indikator dalam penelitian ini dapat digunakan untuk tahap penelitian selanjutnya.

4.2.2. Hasil Uji Reliabilitas (Pre-Test)

Uji reliabilitas dilakukan untuk mengukur konsistensi dan reliabilitas indikator pertanyaan-pertanyaan dalam setiap kuisioner terhadap variabelnya.

Dengan melihat batas nilai cronbach’s alpha ≥ 0,7 maka, indikator pernyataan dalam kuisioner dinyatakan reliable, konsistendan relevan terhadap variabel (Malhotra, 2010). Berikut ini adalah hasil analisis reliabilitas indikator penelitian.

Tabel 4.2.

Uji Realibilitas Data (Pre-Test)

Variabel Cronbach's Alpha ≥ 0.7 Kriteria

Kecerdasan Emosional 0.960 Reliabel

Kecerdasan Spiritual 0.970 Reliabel

Kecerdasan Intelektual 0.922 Reliabel

Kinerja Karyawan 0.927 Reliabel

Sumber : Hasil pengolahan data

Berdasarkan hasil ada tabel 4.2 diatas menunjukkan bahwa semua variabel penelitian, Kecerdasan Emosional, Kecerdasan Spiritual, Kecerdasan Intelektual, dan Kinerja Karyawan memiliki cronbach’s alpha ≥ 0,7. Hasil ini menyatakan jika item indikator pernyataan dalam kuisioner ditanyakan ke responden yang sama dan berbeda, hasilnya akan cenderung tetap dan konsisten.

4.3. Profil Responden

Pada profil responden akan menggambarkan berbagai profil responden secara keseluruhan berdasarkan jenis kelamin, usia, tingkat pendidikan terakhir serta pekerjaannya.

4.3.1. Jenis Kelamin

Grafik 4.1.

Jenis Kelamin Responden Sumber: Hasil pengolahan data

Gambar 4.1 menggambarkan bahwa responden yang berjumlah 138 orang, terdiri dari responden yang berjenis kelamin laki – laki sebesar 55.8% atau sama dengan 77 orang dan responden yang berjenis kelamin wanita memiliki persentase sebesar 44.2% atau sama dengan 61 orang. Hal ini menunjukkan bahwa jumlah responden laki – laki lebih besar daripada jumlah responden wanita.

55,8%

44.2%

Jenis Kelamin

Laki - Laki Perempuan

4.3.2. Usia

Grafik 4.2.

Usia Responden

Sumber: Hasil pengolahan data

Peneliti mengelompokkan skala usia responden menjadi 3 kelompok, yaitu skala usia 20 – 30 tahun, 31 – 40 tahun dan 41 – 50 tahun. Pada gambar 4.2 diatas dapat dilihat bahwa mayoritas responden dalam penelitian ini adalah responden yang berusia antara 20 – 30 tahun yang berjumlah 71 orang, kemudian diikuti oleh responden yang berusia antara 31 – 40 tahun dengan jumlah responden 57 orang, sisanya sebanyak 10 responden yang berusia 41 – 50 tahun.

71

57

10 0

10 20 30 40 50 60 70 80

20 - 30 31 - 40 41 - 50

Usia

4.3.3. Tingkat Pendidikan

Grafik 4.3.

Tingkat Pendidikan Responden Sumber: Hasil pengolahan data

Berdasarkan pada gambar 4.3 diatas, dapat diketahui bahwa mayoritas tingkat pendidikan responden adalah Strata 1 (S1) dengan jumlah 116 orang, kemudian diikuti oleh responden S2 – S3 dengan jumlah 22 orang dan dari total keseuruhan responden adalah 138 orang.

4.4. Hasil Analisis Data

Sesuai dengan metode pengolahan data yang telah dipilih pada bab sebelumnya, peneliti menggunakan software AMOS 21 sebagai alat pendukung analisis Structural Equation Model. Penggunaan AMOS 21 dipilih karena lebih mudah digunakan dan dapat langsung mengetahui hasil olah data melalui model grafis. Hasil akhir dari AMOS 21 dapat dilihat di model struktural yang menguji

0%

84,1%

15,9%

Pendidikan Terakhir

SD - SMP atau Sederajat SMA atau Sederajat S1

S2 - S3

kecocokan model dengan data yang ada. Kemudian, setelah diketahui semua hasil pengolahan data, selanjutnya akan diinterpretasikan dan akan ditarik kesimpulan berdasarkan pada hasil analisis data SEM. Alat bantu atau software tambahan yang digunakan dalam penelitian ini adalah Microsoft Office Excel 2016 dan SPSS 23.

4.4.1. Spesifikasi Model

Pembuatan spesifikasi model pada AMOS 21 terdiri dari model struktural (structural model) dan model pengukuran (measurement model). Model struktural menggambarkan hubungan-hubungan antara variabel laten atau dengan kata lain model struktural menggambarkan hipotesis yang dibentuk. Model pengukuran tidak jauh berbeda dengan penggambaran model struktural, perbedaannya terletak antar variabel teramati (observed variable) dengan variabel laten yang terkait.

Kedua model tersebut digambarkan dalam path diagram.

4.4.2. Identifikasi

Kategori identifikasi terbagi menjadi 3, yaitu under-identiified, just- identified dan over-identified. Cara untuk mengetahui posisi data tersebut berada dalam tiga kategori tersebut, dapat dilihat dari nilai degree of freedom yang positif.

Setelah dilakukan pengolahan data dengan model pengukuran (measurement model) peneliti dapat mengidentifikasi kategori data tersebut, yang diperoleh dari hasil degree of freedom sebagai berikut:

Tabel 4.3.

Computation of Degrees of Freedom

Number of distinct sample moments 299

Number of distinct parameters to be estimated 75

Degrees od freedom (299-75) 224

Sumber: Hasil pengolahan data

Berdasarkan hasil tersebut, diketahui bahwa DF > 0 yang menunjukkan model termasuk dalam kategori over-identified. Seperti yang telah dijelaskan pada bab sebelumnya, model dalam kategori over-identified perlu dilakukan estimasi dan penilaian model. Sebelum dilakukan estimasi, data harus dilakukan uji validitas dan uji reliabilitas terlebih dahulu.

4.4.3. Uji Pengukuran Model

4.4.3.1 Uji Validitas dan Uji Reliabilitas

Construct validity atau validitas konstruk adalah validitas yang berkaitan dengan kemampuan suatu alat ukur atau indikator dalam mengukur variabel laten yang diukurnya. Menurut Hair, et all (2010), suatu variabel dapat dikatakan mempunyai validitas yang baik jika muatan faktor standarnya (standardized loading factors) ≥ 0,50 dan idealnya ≥ 0,70. Reliabilitas adalah konsisten suatu pengukuran. Reliabilitas tinggi menunjukkan bahwa indikator-indikator mempunyai konsistensi tinggi dalam mengukur konstruk latennya (Hair et al., 2010) . Mengukur reliabilitas dalam SEM akan digunakan composite reliability Measure dan variance extracted Measures, sebuah konstruk mempunyai reliabilitas

yang baik jika nilai construct reliability(CR) ≥ 0,70 dan variance extracted (EV) ≥ 0,50.

Tabel 4.4.

Hasil Uji Validitas dan Reliabilitas

Indikator Uji Validitas Uji Reliabilitas Factor

Loading Kesimpulan AVE>0.5 CR>0.7 Kesimpulan

KE1 0.943 Valid

0.851 0.976

Reliabel

KE2 0.910 Valid Reliabel

KE3 0.904 Valid Reliabel

KE4 0.936 Valid Reliabel

KE5 0.928 Valid Reliabel

KE6 0.921 Valid Reliabel

KE7 0.913 Valid Reliabel

KS1 0.902 Valid

0.838 0.979

Reliabel

KS2 0.921 Valid Reliabel

KS3 0.931 Valid Reliabel

KS4 0.928 Valid Reliabel

KS5 0.871 Valid Reliabel

KS6 0.891 Valid Reliabel

KS7 0.930 Valid Reliabel

KS8 0.917 Valid Reliabel

KS9 0.947 Valid Reliabel

KI1 0.892 Valid

0.848 0.943 Reliabel

KI2 0.951 Valid Reliabel

KI3 0.918 Valid Reliabel

KK1 0.940 Valid

0.855 0.959

Reliabel

KK2 0.942 Valid Reliabel

KK3 0.883 Valid Reliabel

KK4 0.933 Valid Reliabel

Sumber: Hasil pengolahan data

Pada tabel 4.4. terlihat bahwa seluruh indikator memiliki factor loading yang berada ≥ 0.7 yang menjelaskan seluruh indikator dinyatakan valid dan semua variabel mampu mengukur apa yang sebenarnya diukur. Selain validitas, tabel 4.4

juga dapat menjelaskan reliabilitas dari pengukuran AVE dan CR yang telah memenuhi syarat dengan demikian diketahui bahwa indikator-indikator yang dibentuk mampu menjelaskan variabel laten.

4.4.4. Estimasi

Pada tahap estimasi, data harus dilakukan evaluasi kembali. Untuk melakukan evaluasi terdapat tahap yang harus dilewati, sebagai berikut.

4.4.4.1.Sample Size

Syarat dalam menggunakan metode SEM yaitu dengan menggunakan data yang berjumlah 100-200, berdasarkan jumlah indikator yang terdapat pada penelitian ini sebanyak 23 indikator maka sesuai dengan ketentuan dari (Hair et al., 2010) jumlah indikator dikalikan 6, sehingga data yang diperoleh dalam penelitian ini sebanyak 138 data. Dengan demikian syarat jumlah data pada metode SEM telah terpenuhi.

4.4.5. Hasil Uji Model Keseluruhan (Overall Model Fit) 4.4.5.1.Goodness of Fit

Tahap uji model keseluruhan bertujuan untuk mengevaluasi secara umum derajat kecocokan atau Goodness of Fit (GOF) antara data dengan model. Menilai GOF suatu SEM secara menyeluruh (overall) tidak dapat dilakukan secara langsung seperti teknik multivariat yang lainnya. SEM tidak mempunyai satu uji statistik terbaik yang dapat menjelaskan kekuatan prediksi model. Sebagai gantinya, para peneliti telah mengembangkan beberapa ukuran GOF yang dapat digunakan secara bersama-sama atau kombinasi.

Tabel 4.5. di bawah ini menunjukkan beberapa fit index untuk kecocokan model keseluruhan berdasarkan perhitungan SEM dengan menggunakan tool AMOS 21.

Tabel 4.5.

Hasil Penelitian Indeks Goodness of Fit

GOF Tingkat Kecocokan Hasil

Perhitungan Kriteria Absolute –Fit Measures

CMIN/DF

CMIN/DF ≤ 5,00 (good

fit) 4.874 Good Fit

(normed chi-square)

RMSEA

RMSEA ≤ 0,08 (good fit)

0,168 Poor Fit 0,08 ≤ RMSEA ≤ 0,10

(marginal fit) RMSEA ≥ 0,10 (poor fit)

Incremental Fit Measure

CFI

CFI≥ 0,90 (good fit)

0,836 Marginal Fit 0,80 ≤ CFI ≤ 0,90

(marginal fit) CFI ≤ 0,80 (poor fit)

Sumber: Hasil pengolahan data

Tabel 4.5.memberikan gambaran bahwa 3 ukuran GOF yang terdiri dari CMIN/DF, RMSEA, dan CFI menunjukan satu ukuran dengan criteria good fit, lalu menunjukkan satu ukuran dengan kriteria poor fit,dan satu ukuran dengan kriteria marginal fit. Menurut (Hair et al., 2010) jika ada satu atau lebih parameter yang telah fit maka model dinyatakan fit. Sehingga, model dalam penelitian ini dinyatakan fit.

4.4.5.2.Hasil Pengujian Hipotesis dalam Struktural Model (Structural Model Fit)

Model keseluruhan adalah seluruh hubungan antar konstruk yang mempunyai hubungan kausal (sebab akibat) maka dari itu akan ada variabel laten eksogen dan variabel endogen. Analisis model keseluruhan berhubungan terhadap koefisien-koefisien atau parameter-parameter yang menunjukkan hubungan kausal atau pengaruh variabel laten terhadap variabel laten lainnya, sesuai dengan rerangka konseptual penelitian. Kemudian, pada analisis model keseluruhan akan diketahui tingkat signifikansi dengan cara melihat nilai p. Jika nilai estimasi paramater menunjukkan hasil positif dengan tingkat signifikansi p< 0,05 maka hipotesis yang diajukan berarti didukung data. Namun, jika nilai estimasi parameter menunjukkan hasil yang negatif dengan tingkat signifikansi p > 0,05 maka hipotesis yang diajukan berarti tidak didukung data. Hasil pengujian hipotesis pada model keseluruhan dapat dilihat pada tabel 4.6 dibawah ini.

Tabel 4.6.

Hasil Pengujian Hipotesis

Hipotesis Path Estimasi P Kesimpulan

1 KK <--- KS 0.845 *** Didukung data 2 KK <--- KE 0.225 *** Didukung data 3 KK <--- KI 0.173 *** Didukung data

Sumber : Hasil pengolahan data

Berdasarkan tabel 4.6 di atas, hipotesis dalam penelitian ini dapat disimpulkan sebagai berikut.

1. Kecerdasan Spiritual memiliki pengaruh positif terhadap Kinerja Karyawan. Berdasarkan hasil dari pengujian data, diketahui nilai estimasi sebesar 0,846dengan nilai P ***. Nilai estimasi tersebut menunjukkan hasil yang positif dengan nilai probabilitas lebih kecil dari 0,05. Hal ini menyatakan, Kecerdasan Spiritual memiliki hubungan yang positif dan signifikan terhadap Kinerja Karyawandan hipotesis dapat diterima.

2. Kecerdasan Emosional memiliki pengaruh positif terhadap Kinerja Karyawan.Berdasarkan hasil dari pengujian data, diperoleh nilai estimasi sebesar 0,225dengan nilai P ***. Nilai estimasi tersebut menunjukkan hasil yang positif dengan nilai probabilitas lebih kecil dari 0,05. Maka dari itu, Kecerdasan Emosionalmemiliki hubungan yang positif dan signifikan terhadap Kinerja Karyawandan hipotesis dapat diterima.

3. Kecerdasan Intelektual memiliki pengaruh positif terhadap Kinerja Karyawan. Berdasarkan hasil dari pengujian data, diperoleh nilai estimasi 0,173 dengan nilai P ***. Nilai estimasi tersebut menunjukkan hasil yang positif dengan nilai probabilitas lebih kecil dari 0,05. Berdasarkan nilai tersebut, Kecerdasan Intelektual memiliki hubungan yang positif dan signifikan terhadap Kinerja Karyawan dan hipotesis dapat diterima.

4.5. Model Hasil Pembahasan

Gambar 4.1.

Model Hasil Penelitian

4.6. Pembahasan

Pada penelitian ini, hasil analisis data menunjukkan bahwa seluruh variabel telah memenuhi kriteria konstruk validitas dan reliabilitas, serta model pengukuran lainnya yang sesuai dengan metode SEM. Pada hasil pengujian hipotesis yang diajukan pada model penelitian ini, seluruh hipotesis memiliki hubungan yang signifikan. Pembahasan dari hasil pengujian.

4.6.1. Kecerdasan Emosional terhadap Kinerja Karyawan

Hasil penelitian menunjukan kecerdasan emosional memiliki pengaruh positif signifikan terhadap kinerja karyawan pada PT. AIA Financial Indonesia.

Hasil ini dapat disimpulkan bahwa semakin baik kecerdasan emosional karyawan AIA maka kinerja karyawan pada AIA juga akan semakin baik. Dalam hal

pengendalian emosi, setiap harinya karyawan bekerja dihadapkan dengan beban tugas dan hal yang dikerjakan diharuskan sesuai dengan target perusahaan. Maka, pentingnya kecerdasan emosional karyawan meningkat membuat karyawan dapat berkerja dibawah tekanan dan mampu meningkatkan profesionalisme kerja.

Penelitian ini sejalan dengan penelitian yang dilakukan oleh Choiriah (2013), berdasarkan penelitiannya bahwa keberadaan kecerdasan emosional yang baik akan membuat seorang karyawan menampilkan kinerja dan hasil kerja yang lebih baik. Penelitian ini didukung oleh penelitian Eman (2014) yang menyatakan bahwa semakin adanya peningkatan kinerja karyawan disebabkan setiap karyawan sanggup dalam mengendalikan emosinya, sehingga tercapai kinerja yang maksimal.

Peneliti menduga hasil tersebut dikarenakan profil responden yang didapat menunjukan bahwa karyawan PT. AIA di dominasi oleh karyawan berjenis kelamin laki – laki dengan tingkat 55,8% yang berarti bahwa kecerdasan emosional pada gender laki – laki memiliki tingkat lebih tinggi dibandingkan kecerdasan emosional pada gender perempuan yang sebesar 44,2%. Hasil profil responden yang menunjukan bahwa karyawan PT.AIA di dominasi oleh usia 20 – 30 tahun dengan jumlah 71 karyawan yang berarti usia tersebut termasuk kedalam generasi Y. Profil responden yang terakhir adalah tingkat pendidikan pada karyawan yang di dominasi oleh tingkat pendidikan terakhir adalah S1 dengan tingkat 84,1% yang berarti kecerdasan emosional dipengaruhi oleh tingkat pendidikan terakhir karyawan PT.

AIA Indonesia.

4.6.2. Kecerdasan Spiritual terhadap Kinerja Karyawan

Hasil penelitian menunjukan kecerdasan spiritual memiliki pengaruh positif signifikan terhadap kinerja karyawan pada PT. AIA Financial Indonesia. Hasil ini dapat disimpulkan bahwa semakin baik kecerdasan spiritual karyawan AIA maka kinerja karyawan pada AIA juga akan semakin baik.

Penelitian ini sejalan dengan penelitian Fabiola (2005) yang manyatakan bahwa kecerdasan spiritual dibutuhkan dalam dunia kerja, apabila ketiga kecerdasan tersebut dapat berfungsi dengan baik dan efektif maka karyawan akan menghasilkan kerja yang menonjol. Hasil panelitian ini didukung oleh Kalyanasundaram dan Balasubramanian (2014) yang menyatakan bahwa spiritual mempengaruhi kinerja karyawan dikarenakan spiritual sendiri mendorong sikap manusia untuk mempunyai tujuan dan panduan dalam menjalani hidup yang dapat menilai dimana sikap yang baik dan sikap yang buruk. Sehingga dalam menjalankan pekerjaan di dalam perusahaan karyawan mendapatkan dorongan dari dalam diri dan batin untuk melakukan pekerjaan dengan baik.

Peneliti menduga hasil tersebut dikarenakan profil responden yang didapat menunjukan bahwa karyawan PT. AIA di dominasi oleh karyawan berjenis kelamin laki – laki dengan tingkat 55,8% yang berarti bahwa kecerdasan spriritual pada gender laki – laki memiliki tingkat lebih tinggi dibandingkan kecerdasan spiritual pada gender perempuan yang sebesar 44,2%. Hasil profil responden yang menunjukan bahwa karyawan PT.AIA di dominasi oleh usia 20 – 30 tahun dengan jumlah 71 karyawan yang berarti usia tersebut termasuk kedalam generasi Y. Profil responden yang terakhir adalah tingkat pendidikan pada karyawan yang di dominasi